BriefGPT - AI 论文速递
·
基于无人机图像的废矽片描绘的传统方法与深度学习方法的比较评估
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一个基于深度学习的区域合并方法 - DeepMerge，用于处理大面积 VHR 图像的分割。通过集成 Transformer、多级嵌入模块、基于分割的特征嵌入模块和区域邻接图模型，以及改进的二叉树采样方法生成深度合并模型的多级输入。实验结果表明，DeepMerge 在定量和定性评估方面优于其他分割方法，具有最高的 F 值（0.9446）和最低的 TE（0.0962）和 ED2（0.8989），能够正确地分割不同大小的对象。
🎯
关键要点
-
提出了一种基于深度学习的区域合并方法 - DeepMerge，用于大面积 VHR 图像的分割。
-
DeepMerge 集成了 Transformer、多级嵌入模块、基于分割的特征嵌入模块和区域邻接图模型。
-
使用改进的二叉树采样方法生成深度合并模型的多级输入。
-
实验结果显示，DeepMerge 在定量和定性评估中优于其他分割方法。
-
DeepMerge 具有最高的 F 值（0.9446）和最低的 TE（0.0962）及 ED2（0.8989）。
-
该方法能够正确分割不同大小的对象。
➡️
